分表 id 方式
用户中心是几乎每一个公司必备的基础服务，用户注册、登录、信息查询与修改都离不开用户中心。
当数据量越来越大时，需要多用户中心进行水平切分。最常见的水平切分方式，按照uid取模分库：
通过uid取模，将数据分布到多个数据库实例上去，提高服务实例个数，降低单库数据量，以达到扩容的目的。
水平切分之后：
uid属性上的查询可以直接路由到库，如上图，假设访问uid=124的数据，取模后能够直接定位db-user1。
对于uname上的查询，就不能这么幸运了：
uname上的查询，如上图，假设访问uname=shenjian的数据，由于不知道数据落在哪个库上，往往需要遍历所有库（扫全库法），当分库数量多起来，性能会显著降低。
用uid分库，如何高效实现上的查询，是本文将要讨论的问题。
**方案一：索引表法**
**思路**：uid能直接定位到库，uname不能直接定位到库，如果通过uname能查询到uid，问题解决。
**解决方案**：
（1）建立一个索引表记录uname到uid的映射关系；
（2）用uname来访问时，先通过索引表查询到uid，再定位相应的库；
（3）索引表属性较少，可以容纳非常多数据，一般不需要分库；
（4）如果数据量过大，可以通过uname来分库；
**潜在不足**：多一次数据库查询，性能下降一倍。
**方案二：缓存映射法**
**思路**：访问索引表性能较低，把映射关系放在缓存里性能更佳。
**解决方案**：
（1）uname查询先到cache中查询uid，再根据uid定位数据库；
（2）假设cache miss，采用扫全库法获取uname对应的uid，放入cache；
（3）uname到uid的映射关系不会变化，映射关系一旦放入缓存，不会更改，无需淘汰，缓存命中率超高；
（4）如果数据量过大，可以通过name进行cache水平切分；
**潜在不足**：多一次cache查询。
**方案三：uname生成uid**
**思路**：不进行远程查询，由uname直接得到uid。
解决方案：
（1）在用户注册时，设计函数uname生成uid，uid=f(uname)，按uid分库插入数据；
（2）用uname来访问时，先通过函数计算出uid，即uid=f(uname)再来一遍，由uid路由到对应库；
**潜在不足**：该函数设计需要非常讲究技巧，有uid生成冲突风险。
**方案四：基因法，uname基因融入uid**
**思路**：不能用uname生成uid，可以从uname抽取“基因”，融入uid中。
假设分8库，采用uid%8路由，潜台词是，uid的最后3个bit决定这条数据落在哪个库上，这3个bit就是所谓的“基因”。
**解决方案**：
（1）在用户注册时，设计函数uname生成3bit基因，uname\_gene=f(uname)，如上图粉色部分；
（2）同时，生成61bit的全局唯一id，作为用户的标识，如上图绿色部分；
（3）接着把3bit的uname\_gene也作为uid的一部分，如上图屎黄色部分；
（4）生成64bit的uid，由id和uname\_gene拼装而成，并按照uid分库插入数据；
（5）用uname来访问时，先通过函数由uname再次复原3bit基因，uname\_gene=f(uname)，通过uname\_gene%8直接定位到库；
**总结**
**业务场景**：用户中心，数据量大，通过uid分库后，通过uname路由不到库。
**解决方案**：
（1）扫全库法：遍历所有库；
（2）索引表法：数据库中记录uname到uid的映射关系；
（3）缓存映射法：缓存中记录uname到uid的映射关系；
（4）uname生成uid；
（5）基因法：uname基因融入uid；